北京
開年有話說|為什么我開始寫這篇文章
過去一年，我幾乎沒有再更新公眾號。
不是因為不想表達，而是想更集中完成“價值沉淀”這件事。我想沉淀的，不是那些網上的二手信息，而是真正走進企業、去判斷、去陪伴他們做落地、解決真實問題。這比寫文章更能讓我保持對行業最敏銳的洞察。
但進入2026年后，有好幾樣東西讓我覺得，也是時候該重新用寫作把思考留下來了。
首先是因為最近的一些信號表示，AI行業開始進入了一個新階段，大模型的參數競賽開始降溫，但商業化、資本化的進程卻在加速推進； 而隨著這個趨勢帶來的，是企業應用AI的節奏跟不上這個進程，并逐漸陷入迷茫。
去年我從客戶那里聽到最多的一句話就是：
“我們也在做AI，但總覺得太散，也不知道找的方向對不對，有沒有用”
有的公司早就部署了模型，有的已經跑了好幾個智能體試點，但半年過去，沒人敢說這個項目到底算不算成功。
也有的企業投入不小，但業務部門只是“配合”，并沒有真正用起來，最后項目悄無聲息地被擱置。
根據我去年一年的觀察，很多企業在落地AI的過程中，會重復犯一些判斷性錯誤，而大多數情況下，只要一點點提前思考，就能避免掉進很大的誤區； 再有就是很多企業高管乃至CEO、董事長，都開始要求內部必須全面擁抱AI，并把AI和內部的業務流程深度融合，但具體從哪兒下手、怎么判斷路徑對不對，卻沒人能說得清楚。
因此，我計劃未來一段時間，會沿著這樣一條主線來更新文章：
用真實的行業觀察，結合我在企業項目中反復驗證過的判斷邏輯，來聊聊企業在推進AI的過程中最容易走的彎路，以及如何避免。
不追熱點、不寫教程，更不做技術研判，而是專注在怎么幫助企業做更穩、可持續的判斷。
下面，就正式開始第一篇正文
為什么很多企業一開始就容易選錯AI切入點
要說最近一周，行業里備受關注的事件之一，就屬智譜和Minimax相繼在港交所敲鐘上市了。
從朋友圈大家分享的文章來看，關注點大多落在“融資、估值、國產大模型”這些詞上。但如果換個角度看，你會發現一個更值得企業借鑒的地方：
這些公司并不是一上來就堆技術指標，而是在很早的時候，就不斷在自己的定位、技術方向、場景覆蓋與商業模式之間找到一個最優解。
而很多企業剛開始推進AI時，恰恰缺少這種判斷順序上的提前思考。
過去這一年，我接觸過很多不同行業、不同規模的客戶，有世界五百強的集團公司，也有垂直賽道的知名零售企業，還有很多大型國央企，但無論服務哪家客戶，都會遇到這樣的現象：
先挑一個看起來很先進的平臺或技術做試點
先照搬別人做得好的場景，直接上線
先買好工具，部署上幾個知名大模型，再想怎么落地
表面上看，這些做法都是在積極推進AI落地，但本質上它們都有個共同點：它們都是先做了執行層面的事，再去判斷業務的真實條件、組織準備和投入產出。
2025年初DeepSeek爆火的時候，這種心態尤為常見。很多老板會覺得，既然模型成本降下來了，部署門檻也低了，那就先上一套，要不就掉隊了。于是很多項目在并沒有想清楚的情況下就啟動了。
但到了2026年，這種做法，反而成了最容易走彎路的地方。為什么這么說呢？
第一，真正重要的判斷，技術從來不是第一優先級
當有人問我一個AI項目能不能做的時候，我大多數情況不會先回答技術可行性，而是反問對方這幾個問題：
這個AI項目要解決的具體業務痛點是什么？
你怎么判斷這個AI項目是不是成功？
現有的組織、數據和協作機制能支撐它真正落地并持續運行嗎？
如果一開始的方向選錯了，會帶來怎樣的資源浪費和后續阻力？
很多企業對AI的關注點，還停留在執行層面，他們更想知道該用哪個平臺搭智能體、選哪家的AI工具、誰家的大模型更聰明。
但在我看來，更重要的是能不能回答清楚：在你現在這個階段，最不該做的事是什么。
想清楚這個，往往比盲目上線更重要。
第二，真正能跑起來的項目，一定是業務拉動的
去年做的項目里，和我打交道最多的角色，就是企業的CIO、CTO。
有一次，一位技術負責人非常興奮地跟我介紹他們的規劃，他說的他的團隊已經準備好要做一堆想做的產品了，而且都是有成熟解決方案的，比如智能客服、智能問答、智能問數等等。他特別興奮地跟我說：
“這些技術我們都能做，基座大模型、研發團隊、項目預算都準備好了。”
但當我問了他幾個更基礎的問題時，他愣了一下：
“你們為什么現在要做這件事？它解決的到底是哪個業務的痛點，如果解決了它能產生多大的價值？”
后來復盤發現，他們選的那些方向，確實看起來可落地，但并不是當前業務最急需的，而是大家聽了幾家供應商的方案，看了一些外界案例，又在會議室里討論后得出的方向。
這種就是典型的“先干再想”式的推進方式，看起來效率很高，但實際上可能投入了大量資源，卻沒有給業務帶來真正可衡量ROI的回報。
問題不在技術，而在一開始就不是業務主動提出來的。
第三，真正能產生價值的，是技術和商業場景的深度綁定
智譜和MiniMax這樣的企業能上到資本市場，是因為它們在很早的時候就想清楚了：
哪些能力可以構建長期技術壁壘，
哪些場景具備可持續的商業價值，
哪些環節適合先小規模驗證，哪些必須等技術成熟度和市場需求匹配。
在此基礎上，逐步跑通合規、現金流和規模化能力，再加上行業周期紅利和資本對模型商業化能力的認可，共同構成了上市的支撐條件。
事實上，資本對這類上市案例的關注，本質上是從重概念轉向了看價值。他們不再僅僅關注技術指標，而是開始真正考量這些AI企業能不能把算法技術轉化成持續的商業收益。
而這套邏輯，本質上和大多數企業推進AI項目是一樣的：
如果一上來就把注意力全放在技術執行上，而沒先想清楚投入后到底能給業務帶來什么價值、怎么衡量ROI。那當你面對真正的“出資人”——老板或者管理層時，遲早會被問到同一個問題：這個項目，到底值不值得繼續投？
我對企業推進AI的一個建議
在我參與的咨詢項目中，那些最耗時、最燒錢、卻效果不明顯的案例，往往不是技術難度高的，而是判斷順序出了問題。
如果你也在推進AI項目，卻總覺得哪里不太對；或者推動很久，也沒個清晰的結果，不妨先停下來，認真回答這三個問題：
這個方向是當前最值得做的業務場景嗎？為什么？
我們有沒有評估好推進過程中的邊界與風險？
我們有沒有量化出這個方向的成本和收益？
這些問題看起來簡單，但卻考驗著你是不是真正理解AI和業務的邊界。
回答清楚了這些問題，一定能讓你的項目跑得更順、更能拿到結果。
資本市場的熱鬧，終究會過去。
真正該留下來的，是那些能把技術轉化為持續業務價值的能力。
如果企業在落地AI時，仍然按技術主導、先上再說的思路來推進，就可能錯過真正的價值拐點。
接下來的幾篇文章，我會繼續拆解企業在推進AI時最容易出現的判斷盲區，以及如何在早期就規避它們。
如果你現在正在推進某個AI項目，并且已經遇到了下面任何一種情況：
項目做了，但不清楚成功標準；
老板開始問ROI，但你很難給出一個明確指標范圍；
技術能實現，但業務并不真正買賬。
那通常就不是執行力的問題，而是漏掉了前期要做的價值和場景判斷流程。
如果你愿意，也可以把你現在最困惑的那一步寫下來，我們一起拆一拆。
期待從評論區看到你的問題。
我是申悅，前互聯網大廠產品人，現在是一名All in AI的企業AI轉型咨詢顧問。歡迎加我好友互相交流。
回復“ 微信 ”，加我 個人微信
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
